CN110209786A - 是非类答案的显示方法、装置、计算机设备和存储介质 - Google Patents

是非类答案的显示方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110209786A
CN110209786A CN201910453411.9A CN201910453411A CN110209786A CN 110209786 A CN110209786 A CN 110209786A CN 201910453411 A CN201910453411 A CN 201910453411A CN 110209786 A CN110209786 A CN 110209786A
Authority
CN
China
Prior art keywords
query statement
viewpoint
candidate answers
answer
class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910453411.9A
Other languages
English (en)
Inventor
郑俊强
刘凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910453411.9A priority Critical patent/CN110209786A/zh
Publication of CN110209786A publication Critical patent/CN110209786A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G06F16/345—Summarisation for human users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提出一种是非类答案的显示方法、装置、计算机设备和存储介质，其中，方法包括：通过获取查询语句，在查询语句为是非类查询语句时获取查询语句对应的候选答案集合，根据分类模型从候选答案集合中确定目标答案；根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。

Description

是非类答案的显示方法、装置、计算机设备和存储介质
技术领域
本申请涉及互联网技术领域，尤其涉及一种是非类答案的显示方法、装置、计算机设备和存储介质。
背景技术
目前，互联网中用户输入的查询语句可以分为问答类查询语句和非问答类查询语句，对于语音、播报等场景，非问答类查询语句需要直接给出摘要答案，而不是让用户自己找寻，因此，是非类的问题需要给出准确的观点表示，而不是像通常的搜索系统中，给出很长的不确定能否回答问题的摘要，具体的网页搜索结果等。
相关技术中，使用观点聚合的技术进行简单离线建库的方式进行解决，答案摘要仅仅表示为支持，不支持，答案摘要表示单一，显得生硬，导致答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请提出一种是非类答案的显示方法、装置、计算机设备和存储介质，用于解决现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
为达上述目的，本申请第一方面实施例提出了一种是非类答案的显示方法，包括：
获取查询语句；
判断所述查询语句是否为是非类查询语句；
若所述查询语句为是非类查询语句，则获取所述查询语句对应的候选答案集合；
对所述查询语句与所述候选答案集合中各个候选答案进行分析，生成分类模型；
根据所述分类模型从所述候选答案集合中确定目标答案；
根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示。
本实施例的是非类答案的显示方法，通过获取查询语句，判断查询语句是否为是非类查询语句；若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合；对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型；根据分类模型从候选答案集合中确定目标答案；根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
为达上述目的，本申请第二方面实施例提出了一种是非类答案的显示装置，包括：
第一获取模块，用于获取查询语句；
判断模块，用于判断所述查询语句是否为是非类查询语句；
第二获取模块，用于若所述查询语句为是非类查询语句，则获取所述查询语句对应的候选答案集合；
生成模块，用于对所述查询语句与所述候选答案集合中各个候选答案进行分析，生成分类模型；
确定模块，用于根据所述分类模型从所述候选答案集合中确定目标答案；
处理模块，用于根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示。
本实施例的是非类答案的显示装置，通过获取查询语句，判断查询语句是否为是非类查询语句；若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合；对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型；根据分类模型从候选答案集合中确定目标答案；根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的是非类答案的显示方法。
为达上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的是非类答案的显示方法。
为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如第一方面实施例所述的是非类答案的显示方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种是非类答案的显示方法的流程示意图；
图2为本申请实施例所提供的另一种是非类答案的显示方法的流程示意图；
图3为本申请实施例所提供的又一种是非类答案的显示方法的流程示意图；
图4为本申请实施例所提供的一种是非类答案的显示装置的结构示意图；
图5为本申请实施例所提供的一种生成模块的结构示意；以及
图6为本申请实施例所提供的计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的是非类答案的显示方法、装置、计算机设备和存储介质。
图1为本申请实施例所提供的一种是非类答案的显示方法的流程示意图。
如图1所示，该是非类答案的显示方法可以包括以下步骤：
步骤101，获取查询语句。
步骤102，判断查询语句是否为是非类查询语句。
在实际应用中，用户可以根据需要通过手动、语音等方式在对应的搜索引擎或者设备上输入查询语句，比如与智能机器设备进行语音对话的场景中，用户语音输入查询语句“孕妇能吃苹果吗”，基于上述背景技术的描述，现有技术当中，针对该查询语句会播报对应的一段语音信息作为答案比如“苹果中含有丰富的糖类、膳食纤维、维生素C等维生素、磷、钾等矿物质，中国传统医学认为，苹果性平、味甘、微酸，具有生津止渴、清热除烦、健胃消食等功效”，在播报结束后，用户需要自己根据播报信息提取答案，答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点。
因此，本申请提出一种是非类答案的显示方法，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
首先，在获取查询语句后，需要对查询语句进行识别确定是否为是非类查询语句，也就是说本申请实施例提出的方法，针对的是是非类查询语句的处理，可以理解的是，对查询语句进行识别确定是否为是非类查询语句的方式有很多种，举例说明如下：
作为一种示例，通过预设建立的语句判别模型对查询语句进行识别，根据识别结果确定是否为非类查询语句；作为另一种示例，对查询语句中的各个查询词语进行识别，根据识别结果确定是否为非类查询语句。
步骤103，若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合。
步骤104，对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型。
步骤105，根据分类模型从候选答案集合中确定目标答案。
具体地，在确定查询语句为是非类查询语句后，在搜索系统中获取与查询语句对应的多个候选答案，比如网页结果、文档等多个候选答案。
进一步地，根据分类模型从候选答案集合中确定目标答案，可以理解的是，可以直接在候选答案集合中确定一个目标答案，或者是按照预设策略选择一个目标答案，为了进一步提高目标答案的准确性，本申请对查询语句与候选答案集合中各个候选答案进行分析，预先建立一个分类模型来从候选答案集合中确定目标答案，具体如图2所示，包括：
步骤201，获取查询语句与候选答案集合中各个候选答案的观点对齐概率值。
具体地，获取查询语句与候选答案的观点对齐概率值，主要是获取查询语句中焦点词与候选答案的观点对齐概率值，作为一种示例，识别查询语句中的焦点词，计算焦点词与候选答案集合中各个候选答案的观点对齐概率值。
具体地，对查询语句的主题词、疑问词、焦点词进行分离，例如：西红柿好吃吗？进行分离后得到主题词为西红柿，疑问词为吗，焦点词为好吃。
由此，通过统计学习的方法，抽取各个候选答案中的观点下位词与查询语句中的焦点词的对齐概率矩阵，并基于焦点词，通过对齐概率矩阵，得出观点对齐概率值。
步骤202，获取查询语句与候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值。
具体地，主要去除掉语义转义的问题，比如查询语句西红柿好吃吗？，获取各个候选答案所在搜索结果比如为西红柿好吃等的网页标题与西红柿好吃吗的匹配度值。
步骤203，获取查询语句与候选答案集合中各个候选答案的语义相似度值。
具体地，通过预设计算公式或者算法等方式直接计算查询语句与候选答案集合中各个候选答案的语义相似度值。
步骤204，基于预设的神经网络模型对观点对齐概率值、匹配度值和语义相似度值进行处理生成分类模型。
具体地，比如使用了一个预设的神经网络模型为lambdarank模型，对于产出的基于多个观点对齐概率值、匹配度值和语义相似度值进行排序生成分类模型，从而根据分类模型选出排在首位的候选答案确定为目标答案。
步骤106，根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。
具体地，在确定目标答案后可以根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示，举例说明如下：
第一种示例，识别查询语句中的焦点词，根据焦点词对目标答案进行挖掘得到目标观点，根据焦点词和目标观点在预设词表中获取对目标答案的观点表述并显示。
第二种示例，通过预设深度学习模型对查询语句和目标答案进行处理生成目标答案的观点表述并显示。
具体地，基于查询语句和目标答案进行观点识别，可以识别出是、否、不确定三种结果，为了进一步帮助用户理解需要进行观点表述，比如换成好吃、可以等方式，第一种可以是识别查询语句中的焦点词，基于目标答案出现的统计概率，进行词表挖掘，然后送给数据专员进行人工复查，即通过焦点词和目标观点，查出词表中的候选项；第二种可以是基于查询语句和目标答案进行摘要生成，比如预设深度学习模型使用Seq2Seq Attention模型，通过输入的查询语句和目标答案，生成出摘要表示。
还可以理解的是，展示确定的观点，对于多种不确定的主观是非问题部分，比如获取每一类别观点识别结果的百分比，将目标答案的观点表述按照百分比显示。
本实施例的是非类答案的显示方法，通过获取查询语句，判断查询语句是否为是非类查询语句；若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合；对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型；根据分类模型从候选答案集合中确定目标答案；根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
图3为本申请实施例所提供的又一种是非类答案的显示方法的流程示意图。
如图3所示，该是非类答案的显示方法可以包括以下步骤：
步骤301，获取查询语句，判断查询语句是否为是非类查询语句。
步骤302，若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合。
具体地，在获取查询语句后，需要对查询语句进行识别确定是否为是非类查询语句，也就是说本申请实施例提出的方法，针对的是是非类查询语句的处理，可以理解的是，对查询语句进行识别确定是否为是非类查询语句的方式有很多种，举例说明如下：
作为一种示例，通过预设建立的语句判别模型对查询语句进行识别，根据识别结果确定是否为非类查询语句；作为另一种示例，对查询语句中的各个查询词语进行识别，根据识别结果确定是否为非类查询语句。
具体地，在确定查询语句为是非类查询语句后，在搜索系统中获取与查询语句对应的多个候选答案，比如网页结果、文档等多个候选答案。
步骤303，获取查询语句与候选答案集合中各个候选答案的观点对齐概率值，获取查询语句与候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值，获取查询语句与候选答案集合中各个候选答案的语义相似度值。
步骤304，基于预设的神经网络模型对观点对齐概率值、匹配度值和语义相似度值进行处理生成分类模型。
步骤305，根据分类模型从候选答案集合中确定目标答案。
具体地，对查询语句的主题词、疑问词、焦点词进行分离，由此，通过统计学习的方法，抽取各个候选答案中的观点下位词与查询语句中的焦点词的对齐概率矩阵，并基于焦点词，通过对齐概率矩阵，得出观点对齐概率值，获取各个候选答案所在搜索结果的网页标题与查询语句的匹配度值，获取查询语句与候选答案集合中各个候选答案的语义相似度值，比如使用了一个预设的神经网络模型为lambdarank模型，对于产出的基于多个观点对齐概率值、匹配度值和语义相似度值进行排序，从而选出排在首位的候选答案确定为目标答案。
步骤306，通过预设深度学习模型对查询语句和目标答案进行处理生成目标答案的观点表述并显示。
具体地，基于查询语句和目标答案进行答案摘要生成，比如预设深度学习模型使用Seq2Seq Attention模型，通过输入的查询语句和目标答案，生成出答案摘要表示。也就是说预设深度学习模型能够根据目标答案和查询语句进行处理生成答案摘要，比如查询语句“孕妇能吃苹果吗”和目标答案“苹果中含有丰富的糖类、膳食纤维、维生素C等维生素、磷、钾等矿物质，中国传统医学认为，苹果性平、味甘、微酸，具有生津止渴、清热除烦、健胃消食等功效”输入Seq2Seq Attention模型进行处理生成“可以”作为答案摘要。
也就是说，展示确定的观点，对于多种不确定的主观是非问题部分，每类观点以百分比的形式展示获取每一类别观点识别结果的百分比，将目标答案的观点表述按照百分比显示，比如好吃(40％)和不好吃(60％)。由此，进一步提高答案摘要简洁性同时也显得自然和明快。
本实施例的是非类答案的显示方法，通过获取查询语句，判断查询语句是否为是非类查询语句，若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合，获取查询语句与候选答案集合中各个候选答案的观点对齐概率值；获取查询语句与候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值，获取查询语句与候选答案集合中各个候选答案的语义相似度值，基于预设的神经网络模型对观点对齐概率值、匹配度值和语义相似度值进行处理生成分类模型，根据分类模型从候选答案集合中确定目标答案，通过预设深度学习模型对查询语句和目标答案进行处理生成目标答案的观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
为了实现上述实施例，本申请还提出一种是非类答案的显示装置。
图4为本申请实施例所提供的一种是非类答案的显示装置的结构示意图。
如图4所示，该是非类答案的显示装置可以包括：第一获取模块41、判断模块42、第二获取模块43、生成模块44、确定模块45和处理模块46。其中，
其中，第一获取模块41，用于获取查询语句。
判断模块42，用于判断查询语句是否为是非类查询语句。
第二获取模块43，用于若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合。
生成模块44，用于对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型。
确定模块45，用于根据分类模型从候选答案集合中确定目标答案。
处理模块46，用于根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。
在本申请实施例一种可能的实现方式中，如图5所示，生成模块44包括：第一获取单元441、第二获取单元442、第三获取单元443和生成单元444。
其中，第一获取单元441，用于获取查询语句与候选答案集合中各个候选答案的观点对齐概率值。
第二获取单元442，用于获取查询语句与候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值。
第三获取单元443，用于获取查询语句与候选答案集合中各个候选答案的语义相似度值。
生成单元444，用于基于预设的神经网络模型对观点对齐概率值、匹配度值和语义相似度值进行处理生成分类模型。
在本申请实施例一种可能的实现方式中，第一获取单元441，具体用于：识别查询语句中的焦点词；计算焦点词与候选答案集合中各个候选答案的观点对齐概率值。
在本申请实施例一种可能的实现方式中，处理模块46，具体用于：识别查询语句中的焦点词；根据焦点词对目标答案进行挖掘得到目标观点；根据焦点词和目标观点在预设词表中获取对目标答案的观点表述并显示。
在本申请实施例一种可能的实现方式中，处理模块46，具体还用于：通过预设深度学习模型对查询语句和目标答案进行处理生成目标答案的观点表述并显示。
需要说明的是，前述对是非类答案的显示方法实施例的解释说明也适用于该实施例的是非类答案的显示装置，其实现原理类似，此处不再赘述。
本申请实施例的是非类答案的显示装置，通过获取查询语句，判断查询语句是否为是非类查询语句；若查询语句为是非类查询语句，则获取查询语句对应的候选答案集合；对查询语句与候选答案集合中各个候选答案进行分析，生成分类模型；根据分类模型从候选答案集合中确定目标答案；根据查询语句和目标答案进行观点识别，并基于观点识别结果和查询语句对目标答案进行观点表述并显示。解决了现有技术中答案摘要不够简洁有效，使得用户不能够快速准确获取有效问题答案观点的技术问题的技术问题，通过对查询语句和目标答案进行观点识别，并基于观点识别结果获取对应的观点表述进行显示，使得答案摘要简洁有效，用户能够快速准确获取有效问题答案观点。
通过为了实现上述实施例，本申请还提出一种计算机设备，包括：处理器和存储器。其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述实施例所述的是非类答案的显示方法。
图6为本申请实施例所提供的计算机设备的结构示意图，示出了适于用来实现本申请实施方式的示例性计算机设备90的框图。图6显示的计算机设备90仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备90以通用计算机设备的形式表现。计算机设备90的组件可以包括但不限于：一个或者多个处理器或者处理单元906，系统存储器910，连接不同系统组件(包括系统存储器910和处理单元906)的总线908。
总线908表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备90典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备90访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器910可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)911和/或高速缓存存储器912。计算机设备90可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统913可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc ReadOnly Memory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线908相连。系统存储器910可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。
具有一组(至少一个)程序模块9140的程序/实用工具914，可以存储在例如系统存储器910中，这样的程序模块9140包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块9140通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备90也可以与一个或多个外部设备10(例如键盘、指向设备、显示器100等)通信，还可与一个或者多个使得用户能与该终端设备90交互的设备通信，和/或与使得该计算机设备90能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口902进行。并且，计算机设备90还可以通过网络适配器900与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器900通过总线908与计算机设备90的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元906通过运行存储在系统存储器910中的程序，从而执行各种功能应用以及基于车载场景的是非类答案的显示，例如实现前述实施例中提及的是非类答案的显示方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述实施例所述的是非类答案的显示方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如前述实施例所述的是非类答案的显示方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种是非类答案的显示方法，其特征在于，包括以下步骤：
获取查询语句；
判断所述查询语句是否为是非类查询语句；
若所述查询语句为是非类查询语句，则获取所述查询语句对应的候选答案集合；
对所述查询语句与所述候选答案集合中各个候选答案进行分析，生成分类模型；
根据所述分类模型从所述候选答案集合中确定目标答案；
根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示。
2.如权利要求1所述的方法，其特征在于，所述对所述查询语句与所述候选答案集合中各个候选答案进行分析，生成分类模型，包括：
获取所述查询语句与所述候选答案集合中各个候选答案的观点对齐概率值；
获取所述查询语句与所述候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值；
获取所述查询语句与所述候选答案集合中各个候选答案的语义相似度值；
基于预设的神经网络模型对所述观点对齐概率值、所述匹配度值和所述语义相似度值进行处理生成所述分类模型。
3.如权利要求2所述的方法，其特征在于，所述获取所述查询语句与所述候选答案集合中各个候选答案的观点对齐概率值，包括：
识别所述查询语句中的焦点词；
计算所述焦点词与所述候选答案集合中各个候选答案的观点对齐概率值。
4.如权利要求1所述的方法，其特征在于，所述根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示，包括：
识别所述查询语句中的焦点词；
根据所述焦点词对所述目标答案进行挖掘得到目标观点；
根据所述焦点词和所述目标观点在预设词表中获取对所述目标答案的观点表述并显示。
5.如权利要求1所述的方法，其特征在于，所述根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示，包括：
通过预设深度学习模型对所述查询语句和所述目标答案进行处理生成所述目标答案的观点表述并显示。
6.一种是非类答案的显示装置，其特征在于，包括：
第一获取模块，用于获取查询语句；
判断模块，用于判断所述查询语句是否为是非类查询语句；
第二获取模块，用于若所述查询语句为是非类查询语句，则获取所述查询语句对应的候选答案集合；
生成模块，用于对所述查询语句与所述候选答案集合中各个候选答案进行分析，生成分类模型；
确定模块，用于根据所述分类模型从所述候选答案集合中确定目标答案；
处理模块，用于根据所述查询语句和所述目标答案进行观点识别，并基于观点识别结果和所述查询语句对所述目标答案进行观点表述并显示。
7.如权利要求6所述的装置，其特征在于，所述生成模块，包括：
第一获取单元，用于获取所述查询语句与所述候选答案集合中各个候选答案的观点对齐概率值；
第二获取单元，用于获取所述查询语句与所述候选答案集合中各个候选答案所在搜索结果的网页标题的匹配度值；
第三获取单元，用于获取所述查询语句与所述候选答案集合中各个候选答案的语义相似度值；
生成单元，用于基于预设的神经网络模型对所述观点对齐概率值、所述匹配度值和所述语义相似度值进行处理生成所述分类模型。
8.如权利要求7所述的装置，其特征在于，所述第一获取单元，具体用于：
识别所述查询语句中的焦点词；
计算所述焦点词与所述候选答案集合中各个候选答案的观点对齐概率值。
9.如权利要求6所述的装置，其特征在于，所述处理模块，具体用于：
识别所述查询语句中的焦点词；
根据所述焦点词对所述目标答案进行挖掘得到目标观点；
根据所述焦点词和所述目标观点在预设词表中获取对所述目标答案的观点表述并显示。
10.如权利要求1所述的装置，其特征在于，所述处理模块，具体还用于：
通过预设深度学习模型对所述查询语句和所述目标答案进行处理生成所述目标答案的观点表述并显示。
11.一种计算机设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-5中任一项所述的是非类答案的显示方法。
12.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的是非类答案的显示方法。
CN201910453411.9A 2019-05-28 2019-05-28 是非类答案的显示方法、装置、计算机设备和存储介质 Pending CN110209786A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910453411.9A CN110209786A (zh) 2019-05-28 2019-05-28 是非类答案的显示方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910453411.9A CN110209786A (zh) 2019-05-28 2019-05-28 是非类答案的显示方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN110209786A true CN110209786A (zh) 2019-09-06

Family

ID=67789182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910453411.9A Pending CN110209786A (zh) 2019-05-28 2019-05-28 是非类答案的显示方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110209786A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704591A (zh) * 2019-09-27 2020-01-17 联想(北京)有限公司 一种信息处理方法及计算机设备
CN111552780A (zh) * 2020-04-29 2020-08-18 微医云(杭州)控股有限公司 医用场景的搜索处理方法、装置、存储介质及电子设备
CN111754352A (zh) * 2020-06-22 2020-10-09 平安资产管理有限责任公司 一种观点语句正确性的判断方法、装置、设备和存储介质
CN111798285A (zh) * 2019-09-30 2020-10-20 北京京东尚科信息技术有限公司 信息生成方法和装置
CN111858880A (zh) * 2020-06-18 2020-10-30 北京百度网讯科技有限公司 获取查询结果的方法、装置、电子设备和可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180137194A1 (en) * 2011-05-04 2018-05-17 Black Hills Ip Holdings, Llc Apparatus and method for automated and assisted patent claim mapping and expense planning
CN108959531A (zh) * 2018-06-29 2018-12-07 北京百度网讯科技有限公司 信息搜索方法、装置、设备及存储介质
CN109033229A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 问答处理方法和装置
US20190108182A1 (en) * 2010-10-05 2019-04-11 Sap Se Distributed Transaction Management With Tokens

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190108182A1 (en) * 2010-10-05 2019-04-11 Sap Se Distributed Transaction Management With Tokens
US20180137194A1 (en) * 2011-05-04 2018-05-17 Black Hills Ip Holdings, Llc Apparatus and method for automated and assisted patent claim mapping and expense planning
CN108959531A (zh) * 2018-06-29 2018-12-07 北京百度网讯科技有限公司 信息搜索方法、装置、设备及存储介质
CN109033229A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 问答处理方法和装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704591A (zh) * 2019-09-27 2020-01-17 联想(北京)有限公司 一种信息处理方法及计算机设备
CN111798285A (zh) * 2019-09-30 2020-10-20 北京京东尚科信息技术有限公司 信息生成方法和装置
CN111552780A (zh) * 2020-04-29 2020-08-18 微医云(杭州)控股有限公司 医用场景的搜索处理方法、装置、存储介质及电子设备
CN111552780B (zh) * 2020-04-29 2023-09-29 微医云(杭州)控股有限公司 医用场景的搜索处理方法、装置、存储介质及电子设备
CN111858880A (zh) * 2020-06-18 2020-10-30 北京百度网讯科技有限公司 获取查询结果的方法、装置、电子设备和可读存储介质
CN111858880B (zh) * 2020-06-18 2024-01-26 北京百度网讯科技有限公司 获取查询结果的方法、装置、电子设备和可读存储介质
CN111754352A (zh) * 2020-06-22 2020-10-09 平安资产管理有限责任公司 一种观点语句正确性的判断方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN110209786A (zh) 是非类答案的显示方法、装置、计算机设备和存储介质
Manjunatha et al. Explicit bias discovery in visual question answering models
CN109376309A (zh) 基于语义标签的文档推荐方法和装置
CN110795543B (zh) 基于深度学习的非结构化数据抽取方法、装置及存储介质
Reed et al. Learning deep representations of fine-grained visual descriptions
CN109670029A (zh) 用于确定问题答案的方法、装置、计算机设备及存储介质
Yeh et al. Topic detection and tracking for conversational content by using conceptual dynamic latent Dirichlet allocation
CN107436922A (zh) 文本标签生成方法和装置
CN110245259A (zh) 基于知识图谱的视频打标签方法及装置、计算机可读介质
US20200134398A1 (en) Determining intent from multimodal content embedded in a common geometric space
US11170270B2 (en) Automatic generation of content using multimedia
CN108563655A (zh) 基于文本的事件识别方法和装置
Beinborn et al. Multimodal grounding for language processing
CN108460098A (zh) 信息推荐方法、装置和计算机设备
CN109710759A (zh) 文本切分方法、装置、计算机设备和可读存储介质
CN110083829A (zh) 情感极性分析方法及相关装置
CN109815500A (zh) 非结构化公文的管理方法、装置、计算机设备及存储介质
CN110196929A (zh) 问答对的生成方法和装置
CN110222654A (zh) 文本分割方法、装置、设备及存储介质
CN113392182A (zh) 融合上下文语义约束的知识匹配方法、装置、设备及介质
CN107844531A (zh) 答案输出方法、装置和计算机设备
Riquelme et al. Explaining VQA predictions using visual grounding and a knowledge base
Mauceri et al. Sun-spot: An rgb-d dataset with spatial referring expressions
CN110020163A (zh) 基于人机交互的搜索方法、装置、计算机设备和存储介质
Tang et al. Video understanding with large language models: A survey

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination